由于微信對(duì)于自身軟件的定位問題，官方不支持微信機(jī)器人，并且也沒有開放官方機(jī)器人的計(jì)劃。 然而對(duì)于想利用私域流量來做項(xiàng)目的人群來說，使用腳本來監(jiān)視微信消息，并能夠自動(dòng)發(fā)送消息一...
發(fā)簡(jiǎn)信
IP屬地：上海
-
Python要玩你的微信——wxauto基礎(chǔ)教程 -
Python多進(jìn)程運(yùn)行——Multiprocessing基礎(chǔ)教程3之前兩篇文章討論了Multiprocessing模塊的基本概念以及進(jìn)程間的數(shù)據(jù)交換。本文將要介紹Multiprocessing模塊進(jìn)程間的同步以及池化。 進(jìn)程間同步 進(jìn)程同步...
-
Python多進(jìn)程運(yùn)行——Multiprocessing基礎(chǔ)教程2上篇文章簡(jiǎn)單介紹了multiprocessing模塊，本文將要介紹進(jìn)程之間的數(shù)據(jù)共享和信息傳遞的概念。 1 數(shù)據(jù)共享 在多進(jìn)程處理中，所有新創(chuàng)建的進(jìn)程都會(huì)有這兩個(gè)特點(diǎn)：獨(dú)立運(yùn)...
-
Python多進(jìn)程運(yùn)行——Multiprocessing基礎(chǔ)教程1多進(jìn)程是什么 多進(jìn)程指的是操作系統(tǒng)同時(shí)支持多個(gè)處理器的能力。在支持多任務(wù)操作系統(tǒng)中，一個(gè)應(yīng)用程序會(huì)被分解成多個(gè)獨(dú)立運(yùn)行的較小的程序。操作系統(tǒng)會(huì)將這些線程分配到多核處理器，以提...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——學(xué)習(xí)率規(guī)劃學(xué)習(xí)率規(guī)劃 找到一個(gè)合適的學(xué)習(xí)率非常重要。如果將學(xué)習(xí)率設(shè)置過高，模型訓(xùn)練可能會(huì)發(fā)散。如果設(shè)置過低，那么訓(xùn)練雖然會(huì)收斂至最優(yōu)，但是會(huì)耗費(fèi)大量的時(shí)間。如果你將學(xué)習(xí)率設(shè)置得稍微有點(diǎn)...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——優(yōu)化算法2
RMSProp AdaGrad的學(xué)習(xí)率降低得太快，并且最終也不會(huì)收斂到全集最優(yōu)值。而RMSProp算法16通過使用指數(shù)衰減，從而只會(huì)積累最近幾次迭代的梯度，解決了上述AdaG...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——優(yōu)化算法更快速的優(yōu)化器 訓(xùn)練一個(gè)非常深的神經(jīng)網(wǎng)絡(luò)可能會(huì)慢得讓人絕望。那么之前的文章已經(jīng)介紹了四種加速訓(xùn)練（并得到更好結(jié)果）的方法：使用合適的初始化方法，合適的激活函數(shù)，使用批標(biāo)準(zhǔn)化，...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——遷移學(xué)習(xí)初探2上一篇文章介紹了遷移學(xué)習(xí)的基本概念，這篇文章其實(shí)是遷移學(xué)習(xí)初探的一個(gè)小尾巴。通常我們使用遷移學(xué)習(xí)，會(huì)首先尋找是否有類似的訓(xùn)練好的模型可用，但如果實(shí)在找不到可用的模型，又無足夠...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——遷移學(xué)習(xí)初探梯度裁剪 之前的文章向大家介紹了解決梯度問題的一個(gè)常用方法，批標(biāo)準(zhǔn)化。今天我們來一個(gè)能夠減輕梯度爆炸問題的手段，梯度裁剪。所謂梯度裁剪，是在反向傳播的過程中，對(duì)梯度進(jìn)行修剪，...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——批標(biāo)準(zhǔn)化批標(biāo)準(zhǔn)化 盡管使用He初始化和ELU（或者其他ReLU的變體）可以極大地減少在訓(xùn)練之初梯度不穩(wěn)的問題，但是無法保證隨著訓(xùn)練的進(jìn)行，梯度不穩(wěn)的問題不會(huì)再次發(fā)生。 Sergey ...
-
人人都能懂的機(jī)器學(xué)習(xí)——訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)——梯度不穩(wěn)與初始化在之前的《人人都能懂的機(jī)器學(xué)習(xí)》系列文章中我們介紹了什么是人工神經(jīng)網(wǎng)絡(luò)，并且訓(xùn)練了我們自己的網(wǎng)絡(luò)。但是那些網(wǎng)絡(luò)其實(shí)并不‘深’，僅僅擁有幾個(gè)隱藏層而已。但如果我們需要解決一些復(fù)...
-
Python要玩你的鍵鼠——PyUserInput基礎(chǔ)教程作為上班族每天要用鍵盤鼠標(biāo)進(jìn)行一些機(jī)械的輸入和點(diǎn)擊，會(huì)消耗掉不少的時(shí)間精力。 游戲族每天還要刷同樣的副本好幾十次，真的也十分枯燥乏味。 那么有沒有什么辦法可以讓鍵盤鼠標(biāo)自己動(dòng)...
-
人人都能懂的機(jī)器學(xué)習(xí)——用Keras搭建人工神經(jīng)網(wǎng)絡(luò)09微調(diào)神經(jīng)網(wǎng)絡(luò)超參數(shù) 神經(jīng)網(wǎng)絡(luò)的靈活性其實(shí)也是它的缺點(diǎn)：有太多的超參數(shù)需要調(diào)整。神經(jīng)網(wǎng)絡(luò)的靈活性可以讓我們使用任何想象中的網(wǎng)絡(luò)架構(gòu)，但是即使一個(gè)簡(jiǎn)單的MLP，我們也要考慮層的數(shù)...
-
人人都能懂的機(jī)器學(xué)習(xí)——用Keras搭建人工神經(jīng)網(wǎng)絡(luò)07使用Sequential API搭建回歸MLP 前面的文章講述了如何用Sequential API搭建分類MLP，接下來我們要用它來搭建回歸MLP來解決加州房?jī)r(jià)問題。為了方便...
-
人人都能懂的機(jī)器學(xué)習(xí)——用Keras搭建人工神經(jīng)網(wǎng)絡(luò)06編譯模型 在創(chuàng)建了模型之后，我們必須要使用compile()方法來指定損失方程和優(yōu)化器。另外，你還可以指定在訓(xùn)練和評(píng)估過程中計(jì)算出一系列其他的指標(biāo)（作為一個(gè)列表輸入）： 這里...